海量中文短信文本密度聚类研究 - 淮阴工学院计算机工程实验中心.pdfVIP

第36 卷 第22 期 计 算 机 工 程 2010 年11 月 Vol.36 No.22 Computer Engineering November 2010 ·软件技术与数据库· 文章编号：1000—3428(2010)22—0081—02 文献标识码：A 中图分类号：TP311 海量中文短信文本密度聚类研究 周 泓，刘金岭 (淮阴工学院计算机工程学院，江苏 淮安 233003) 摘 要：根据短信文本的特性，给出一种基于密度的中文短信聚类的方法，该方法将文本数据中具有高密度的区域划分为簇，构造一个可 达相似度的升序排列的种子队列存储待扩张的短信文本，选择大阈值相似度可达的对象，即快速定位稠密空间的文本对象使较高密度的簇 优先完成。实验结果表明，该聚类方法比K-means 提高 10 倍左右的效率。 关键词：密度；簇；邻域；短信文本；聚类 Study on Mass Chinese Short Message Text Density Clustering ZHOU Hong, LIU Jin-ling (Faculty of Computer Engineering, Huaiyin Institute of Technology, Huaian 223003, China) 【Abstract 】According to the characteristics of short message text, a clustering method of the Chinese message based on density is given. High-density region of the text data is divided into clusters and a seed queue is constructed, which is arranged in ascending order of the reachable similarity, to store the text of short message text to be expanded. The text message is disposed in a specific order. In order to make higher-density clusters to complete first, the object is selected according to a greater threshold similarity, namely that the dense space text object which can be rapidly located makes the high-density cluster complete first. Experimental result shows that this clustering method’s efficiency is increased 10 times of K-means method. 【Key words 】density; cluster; neighborhood; short message text; clustering 1 概述 信文本，其准确度很难提高。本文根据短信文本的特点，尤 短信的使用己渗透到社会的各个领域，与此同时，通过 其在重大事件、突发事件、多起诈骗等事件发生时短信的内 短信传播非法、色情以及垃圾信息的现象也随之增多，且其 容反映的主题比较集中，而密度聚类的核心思想是用邻域内 带来